基于聚类分析的糖尿病肾病三种临床表型识别及其肾脏结局风险与eGFR轨迹差异

《Diabetology & Metabolic Syndrome》：Data-driven clinical phenotypes of diabetic kidney disease and their association with disease progression: a real-world cohort study

　　

摘要

背景

糖尿病肾病（DKD）的临床病程具有异质性。对DKD表型进行精细分类有助于识别肾病进展风险增加的患者，并指导个体化临床管理。

方法

本回顾性队列纳入6,667例合并糖尿病肾病的2型糖尿病成人患者。采用对结果无知的质心聚类法，基于11项常规可用的基线变量推导表型。通过重复子抽样和跨多重插补数据集的共识聚类评估可重复性。Cox模型评估肾脏结局，线性混合效应模型描述纵向估算的肾小球滤过率（eGFR）轨迹。此外，还考察了改善全球肾脏病预后组织（KDIGO）定义的特定肾小球滤过率和白蛋白尿类别组合内的表型及预后异质性。

结果

识别出三种表型：代谢型—肾功能保留型（P1；n = 3,797）、年长偏瘦型—低eGFR型（P2；n = 1,947）和白蛋白尿型肾损伤（P3；n = 923）。在纳入时间-事件分析的2,651例患者中，546例发生了复合肾脏结局。与P1相比，P2的调整后风险比为1.89（95% CI, 1.50–2.37），P3的调整后风险比为8.12（95% CI, 6.54–10.07）。P1、P2和P3的调整后年度eGFR斜率分别为?4.94、?3.80和?9.14 mL/min/1.73 m²/年。所有15种KDIGO类别组合中均包含不止一种表型。按KDIGO类别组合分层后，P2的调整后风险比为1.35（95% CI, 1.03–1.79），P3的调整后风险比为2.35（95% CI, 1.70–3.26）。

结论

对结果无知的聚类分析识别出三种DKD表型，具有不同的肾脏结局风险和纵向eGFR轨迹。多维临床表型分析可补充KDIGO分类。